A tecnologia de baterias mais inteligente sabe se o seu veículo elétrico vai chegar a casa
Modelo de IA ajuda a determinar se as baterias dos automóveis conseguem completar as tarefas
Anúncios
Os actuais sistemas de gestão de baterias podem indicar que um carro está 40% carregado, mas os condutores têm de adivinhar se conseguem percorrer 100 quilómetros em subidas com o aquecedor ligado. Os engenheiros da Universidade da Califórnia, em Riverside, querem acabar com a adivinhação.
Desenvolveram uma nova métrica de diagnóstico chamada Estado da Missão, ou SOM, concebida para responder a uma questão prática: Pode esta bateria, no seu estado atual, alimentar com segurança e sucesso uma tarefa específica? O SOM utiliza dados da bateria e factores ambientais, como padrões de tráfego, alterações de altitude ou temperatura ambiente, para gerar previsões em tempo real e específicas para cada tarefa.
"O SOM preenche essa lacuna", disse Mihri Ozkan, professor de engenharia da UCR que ajudou a desenvolver o sistema. "É uma medida consciente da missão que combina dados e física para prever se a bateria pode completar uma tarefa planeada em condições do mundo real."
Os pormenores do sistema foram publicados na revista iScience. O que distingue o SOM é a sua abordagem híbrida. Ao contrário das equações físicas rígidas que não se podem adaptar a cenários em mudança, ou dos modelos de aprendizagem automática que geram resultados sem os explicar, construíram um sistema que combina os pontos fortes de ambos.
O modelo aprende com a forma como as baterias se carregam, descarregam e aquecem ao longo do tempo, mas também respeita as leis da eletroquímica e da termodinâmica. Esta dupla inteligência permite-lhe fazer previsões fiáveis mesmo em situações de stress, como uma queda brusca de temperatura ou uma subida íngreme.
"Ao combiná-los, obtemos o melhor dos dois mundos: um modelo que aprende de forma flexível a partir dos dados, mas que se mantém sempre baseado na realidade física", afirmou Cengiz Ozkan, professor de engenharia da UCR que co-liderou a investigação. "Isto torna as previsões não só mais exactas, mas também mais fiáveis".
Para testar a sua estrutura, a equipa utilizou conjuntos de dados de baterias publicamente disponíveis da NASA e da Universidade de Oxford. Estes continham padrões de utilização reais, incluindo ciclos de carga e descarga, mudanças de temperatura, dados de corrente e tensão ao longo do tempo e tendências de desempenho a longo prazo.
Em comparação com os métodos tradicionais de diagnóstico de baterias, o modelo reduziu significativamente os erros de previsão em 0,018 volts para a tensão, 1,37 graus Celsius para a temperatura e 2,42% para o estado de carga.
Em vez de uma estimativa básica de "percentagem de carga", o SOM oferece um resultado mais inteligente e orientado para o futuro. Pode dizer a um condutor que pode completar um percurso planeado, mas que pode precisar de recarregar a meio do caminho, ou que um voo de drone não é viável em determinadas condições de vento.
"Transforma dados abstractos sobre a bateria em decisões acionáveis, melhorando a segurança, a fiabilidade e o planeamento de veículos, drones e qualquer aplicação em que a energia tenha de ser adaptada a uma tarefa do mundo real", afirmou Mihri Ozkan.
O modelo ainda está a ser desenvolvido.
"Neste momento, a principal limitação é a complexidade computacional", afirmou. "A estrutura exige mais poder de processamento do que os actuais sistemas de gestão de baterias leves e incorporados normalmente fornecem."
Ainda assim, os investigadores estão optimistas. Com uma maior otimização, esperam que o modelo possa em breve ser utilizado em veículos eléctricos, sistemas aéreos não tripulados, aplicações de armazenamento na rede e muito mais.
Olhando para o futuro, a equipa planeia testar o SOM em ambientes de campo e expandir as suas capacidades para trabalhar com outras químicas de baterias, tais como baterias de iões de sódio, de estado sólido ou de fluxo.
"A nossa abordagem foi concebida para ser generalizável", afirmou Cengiz Ozkan. "A mesma metodologia híbrida pode fornecer previsões conscientes da missão que melhoram a confiabilidade, segurança e eficiência em uma ampla gama de tecnologias de energia, de carros e drones a sistemas de bateria doméstica e até mesmo missões espaciais."
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Cengiz S. Ozkan, Mihrimah Ozkan; State of mission: Battery management with neural networks and electrochemical AI; iScience; 2025
Outras notícias do departamento ciência
